Question

给定索引和列的列表，可以使用lookup()方法轻松地提取pandas DataFrame的元素。有没有办法从给定的数据框中获取索引和列的有序列表（例如，在应用布尔运算后）？要清楚，我想要索引和列的名称，而不仅仅是它们的整数位置。

这是我最接近的，虽然它有点扭曲：

In [137]: df = pandas.DataFrame({"a":range(3), "b":range(10,13), "c":range(20,23)}, index=list("ABC"))

In [138]: df
Out[138]: 
   a   b   c
A  0  10  20
B  1  11  21
C  2  12  22

In [139]: df % 3 == 0
Out[139]: 
       a      b      c
A   True  False  False
B  False  False   True
C  False   True  False

In [140]: numpy.where(df % 3 == 0)
Out[140]: (array([0, 1, 2]), array([0, 2, 1]))

In [141]: iindices, icolumns = numpy.where(df % 3 == 0)

In [142]: indices = df.index[iindices]

In [143]: columns = df.columns[icolumns]

我正在寻找的结果：

In [144]: indices, columns
Out[144]: 
(Index([u'A', u'B', u'C'], dtype='object'),
 Index([u'a', u'c', u'b'], dtype='object'))

通过眼睛更容易看到的替代形式：

In [145]: zip(indices, columns)
Out[145]: [('A', 'a'), ('B', 'c'), ('C', 'b')]

（h / t Python - find integer index of rows with NaN in pandas）

Answer 1

怎么样：

>>> s = df.stack()
>>> s[s % 3 == 0].index.tolist()
[('A', 'a'), ('B', 'c'), ('C', 'b')]

一步一步，首先我们堆叠：

>>> s = df.stack()
>>> s
A  a     0
   b    10
   c    20
B  a     1
   b    11
   c    21
C  a     2
   b    12
   c    22
dtype: int64

选择

>>> s % 3 == 0
A  a     True
   b    False
   c    False
B  a    False
   b    False
   c     True
C  a    False
   b     True
   c    False
dtype: bool

使用此选项过滤系列：

>>> s[s % 3 == 0]
A  a     0
B  c    21
C  b    12
dtype: int64

获取索引：

>>> s[s % 3 == 0].index
MultiIndex(levels=[[u'A', u'B', u'C'], [u'a', u'b', u'c']],
           labels=[[0, 1, 2], [0, 2, 1]])

我们正在寻找的价值观：

>>> s[s % 3 == 0].index.tolist()
[('A', 'a'), ('B', 'c'), ('C', 'b')]

在pandas中反向查找：获取行名和列名的有序列表

1 个答案: